使用高分辨率网络在热红外图像上提取人脸关键区域温度
徐象国1
尹志鑫2
1.浙江大学制冷与低温研究所浙江省制冷与低温技术重点实验室 浙江杭州 310027;浙江大学平衡建筑研究中心 浙江杭州 3100272.浙江大学制冷与低温研究所浙江省制冷与低温技术重点实验室 浙江杭州 310027
摘要：近年来,个人热舒适模型取得了众多学者的研究和关注.其中,脸部皮肤表面关键区域的温度是模型中的关键输入特征.使用高分辨率特征学习网络(HRNet)在热红外图像上直接进行人脸关键点检测,以提取人脸关键区域温度,其准确率高于同类热红外人脸关键点识别算法的最佳值.还将人脸属性作为权重加入到损失函数中,进一步提升了对于难例(如侧脸、遮挡、夸张表情)的识别准确率.最后,对比了热红外图像与不同环境下可见光图像的检测效果,证明了在一些特殊条件下(如低光照、隐私保护),热红外图像可以代替可见光图像进行准确的关键点识别.
关键词：人脸关键点识别热红外图像高分辨率特征学习网络
分类号：TB6(制冷工程)
资助基金：中央高校基本科研业务费专项(2019QNA4015)
论文发表日期：2020-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 28-33,38 )
英文信息